Baseline urologic surgical skills among medical students: Differentiating trainees
Notice bibliographique
Résumé
INTRODUCTION: Urology training programs seek to identify ideal candidates with the potential to become competent urologic surgeons. It is unclear whether innate technical ability has a role in this selection process. We aimed to determine whether there are any innate differences in baseline urologic technical skills among medical students. METHODS: Second-year medical students from the University of Toronto were recruited for this study and stratified into surgical and non-surgical cohorts based on their reported career aspirations. After a pre-test questionnaire, subjects were tested on several urologic surgical skills: laparoscopy, cystoscopy and robotic surgery. Statistical analysis was performed using chi-squared test, student t-tests and Spearman's correlation where appropriate. RESULTS: A total of 29 students participated in the study and no significant baseline differences were found between cohorts with respect to demographics and prior surgical experience. For laparoscopic skills, the surgical cohort outperformed the non-surgical cohort on several exercises: Lap Beans Missed (4.9 vs. 9.3, p < 0.01), Lap Bean Rating (3.8 vs. 3.1, p = 0.01), Lap Rings Error (0.2 vs. 1.22, p < 0.01), Lap Rings Rating (3.9 vs. 2.9, p < 0.01) and LapSim Grasping Score (64.3 vs. 46.4, p = 0.01). For cystoscopic skills, there were no significant differences between cohorts on any of the performance metrics. The surgical cohort also outperformed the non-surgical cohort on all measured robotic surgery performance metrics: Task Time (50.6 vs. 76.3, p < 0.01), Task Errors (0.2 vs. 3.1, p < 0.01), and Task Score (89.5 vs. 72.6, p < 0.01). DISCUSSION: Objective innate technical ability in urological skills, particularly laparoscopy and robotics, may differ between early trainees interested in a surgical career compared to those interested in a non-surgical career. Further studies are required to illicit what impact such differences have on future performance and competence.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».